Muchos problemas de ingeniería requieren la optimización simultánea de varios objetivos que se encuentran en conflicto. Generalmente, los problemas de optimización multi-objetivo (POMs) no tienen una solución única sino un conjunto de soluciones representando diferentes compromisos entre los objetivos.
Los algoritmos evolutivos multi-objetivo (AEMOs) han sido exitosos en la solución de POMs debido a su simplicidad y facilidad de aplicación. La mayoría de los AEMOs utilizan la dominancia de Pareto como criterio de selección, la cual es efective en problemas con 2 ó 3 objetivos pero no es escalable ya que la proporción de soluciones incomparables que genera crece rápidamente con el número de objetivos.
En esta tesis presentamos un AEMO que utiliza el indicador de calidad $\Delta_p$ en su mecanismo de selección en lugar de la dominancia de Pareto. Nuestra propuesta obtiene resultados competitivos para problemas con 2 y 3 objetivos y presenta resultados prometedores para problemas con muchos (4 o más) objetivos.
Abstract
Many problems in engineering involve the simultaneous optimization of several conflicting objectives. In most cases, multi-objective optimization problems (MOPs) don't have a unique optimal solution but a set of solutions representing different trade-offs amongst the objectives.
Multi-objective evolutionary algorithms (MOEAs) have been very successful in solving MOPs due to their simplicity and applicability. Most MOEAs use the Pareto dominance relation as a selection criterion which is effective for 2 or 3 objectives but scales poorly since the proportion of incomparable solutions that it generates, quickly increases with the number of objectives.
In this thesis we present a MOEA which uses the $\Delta_p$ quality indicator in its selection mechanism instead of the Pareto dominance relation. Our proposed approach is shown to produce competitive results for bi- and tri-objective problems and shows promising results for problems with many (4 or more) objectives.
